Medir visibilidade em IA é verificar se a marca aparece quando clientes perguntam a assistentes de IA generativa, como ChatGPT, Gemini e os recursos de IA do Google. A medição é sempre uma amostra: as respostas variam, e a API não é igual ao aplicativo.
O guia do blog sobre como aparecer no ChatGPT mostra o que ajustar no site; este texto trata de saber se o trabalho deu resultado. O guia do Google para IA generativa lembra que indexação e exibição não são garantidas.
Nas próximas seções entram a diferença entre API e aplicativo, a montagem das perguntas por etapa do funil, as métricas, os relatórios oficiais do Google e do Bing, o método com planilha, o monitoramento automatizado, o que fazer com os resultados e os limites.
Principais Conclusões
- Medir visibilidade em IA é trabalhar com amostra: as mesmas perguntas, nos mesmos assistentes, repetidas ao longo do tempo.
- Search Console e Bing Webmaster Tools mostram impressões e citações do próprio site, mas não mostram o que o ChatGPT responde sobre a marca.
- A medição só vale quando vira ação: estar nas fontes que a IA cita e corrigir fatos errados na origem.
O Que É Medir Visibilidade em IA
Antes de escolher ferramenta, vale definir o que conta como “aparecer”. Uma resposta de IA pode citar a marca, usar o site como fonte ou recomendar a empresa, e cada caso pede um registro diferente na medição.
Menção, Citação e Recomendação
Menção é quando o nome da marca aparece no texto da resposta. Citação é quando uma página do site entra como fonte, com link. As duas coisas nem sempre andam juntas: a IA pode citar o site sem recomendar a empresa.
A recomendação é o caso mais valioso: a marca aparece como opção para o problema do cliente, muitas vezes ao lado de concorrentes. Para negócios de serviço local, é esse sinal que mais se aproxima de uma indicação feita por um conhecido.
Na prática, a medição registra os três sinais separadamente. Uma marca citada como fonte, mas nunca recomendada, tem conteúdo útil e pouca reputação; uma marca recomendada sem citação depende de portais de terceiros que ela não controla.
Por Que Medir com Amostra de Perguntas
Não existe um painel único que mostre todas as conversas sobre a marca nos assistentes. Quem mede escolhe um conjunto de perguntas representativas e observa as respostas, como numa pesquisa de opinião, e não como num censo.
Os modelos de linguagem com busca na web também desdobram a pergunta em várias buscas. O Google chama isso de query fan-out: uma dúvida sobre gramado com ervas daninhas vira consultas sobre herbicidas e prevenção, e cada uma pode trazer fontes diferentes.
Por Que as Respostas Mudam: API, Aplicativos e Variação
Dois fatores explicam por que duas medições da mesma pergunta raramente batem. O primeiro é o canal usado, API ou aplicativo; o segundo é a variação natural dos modelos, que existe mesmo quando nada mudou no site.
API x Aplicativos dos Assistentes
Pela API, a empresa controla a pergunta, o modelo e a ferramenta de busca. A documentação da busca na web da OpenAI diz que o modelo pode escolher buscar na web ou não, conforme a pergunta, e a do Claude afirma o mesmo.
Nos aplicativos entram fatores que a API não reproduz. A Ajuda do Google informa que os apps do Gemini podem personalizar a experiência com memória de conversas anteriores, apps conectados e preferências. A mesma pergunta, feita por duas pessoas, pode ter respostas diferentes.
Variação Natural das Respostas
A documentação da OpenAI avisa que as respostas não são determinísticas por padrão na API de chat: a saída do modelo pode mudar de uma chamada para outra. Com busca na web, a variação aumenta, porque o conjunto de páginas encontradas também muda.
Por isso, um resultado isolado não prova nada. Uma menção hoje e nenhuma amanhã pode ser só ruído. O que interessa é a tendência ao longo de semanas, com as mesmas perguntas, nos mesmos assistentes e com o mesmo método de registro.
Também vale anotar o modelo usado em cada rodada. Quando o fornecedor troca a versão do modelo, as respostas podem mudar de uma semana para outra sem nenhuma relação com o site, e o histórico precisa mostrar essa troca.
Como Montar o Conjunto de Perguntas por Etapa do Funil
A qualidade da medição depende das perguntas escolhidas. Elas devem soar como o cliente fala, cobrir as etapas da compra e não citar a marca, para revelar se a IA lembra da empresa sem ser lembrada.
Perguntas de Descoberta, Comparação e Decisão
Uma divisão simples, inspirada nas estratégias de marketing digital por funil, separa as perguntas em três grupos:
- Descoberta: dúvidas sobre o problema, como “o que fazer para reduzir faltas em consultas”.
- Comparação: pedidos de opções, como “melhores clínicas de estética em Campinas”.
- Decisão: perguntas sobre preço, prazo e confiança, já perto da compra.
As perguntas de comparação costumam ser as que mais revelam concorrentes. As de descoberta mostram quais portais e guias a IA usa como referência, mesmo quando nenhuma marca aparece, e indicam onde vale publicar conteúdo útil.
Tamanho da Amostra e Regras de Redação
Não há número oficial de perguntas. Uma regra prática é começar com 15 a 30 perguntas e crescer aos poucos. As técnicas de bom prompt ajudam: frases completas, contexto de cidade ou segmento e nenhuma instrução que force a resposta.
As dúvidas que chegam na qualificação de leads no WhatsApp são boa fonte de perguntas reais. O Google alerta que criar páginas para cada variação de busca, só para manipular respostas, viola a política de spam. A lista serve só para medir.
Métricas de Visibilidade em IA
Para medir visibilidade em IA com as respostas registradas, cinco métricas resumem o quadro. Elas seguem a lógica das métricas de atendimento: poucas, bem definidas e calculadas sempre do mesmo jeito para permitir comparação entre semanas.
Taxa de Menção e Citação como Fonte
A taxa de menção é a parte das respostas em que a marca aparece: menções dividido pelo total de respostas válidas, por assistente. Separar por assistente importa, porque cada um busca e escreve de um jeito.
A citação como fonte conta as respostas que usaram uma página do site como referência. Esse número mostra se o conteúdo próprio está sendo lido. Uma marca pode ser mencionada sem ser citada, quando a IA tira o nome de portais e avaliações.
A posição também conta. Ser o primeiro nome de uma lista de cinco opções vale mais do que aparecer no fim. Registrar a ordem em que a marca surge ajuda a ver se ela ganha espaço mesmo quando a taxa de menção fica estável.
Fatia de Voz, Domínios Citados e Precisão
As outras três métricas olham para o entorno da marca. A tabela resume o que cada uma mede e como calcular de forma simples:
| Métrica | O que mede | Como calcular |
|---|---|---|
| Fatia de voz | Peso da marca entre os concorrentes | Menções da marca ÷ menções de todas as marcas acompanhadas |
| Domínios citados | Quais sites a IA usa como fonte | Contagem de citações por domínio, separando próprio, concorrentes e terceiros |
| Precisão dos fatos | Se a IA descreve a empresa corretamente | Respostas com preço, endereço, serviços ou horário corretos ÷ respostas que citam esses dados |
O Bing usa ideia parecida no relatório de fatia de citações, calculada sobre todas as citações de uma consulta. Mais detalhes sobre indicadores estão na categoria de métricas e KPIs; o sentimento pode entrar como nota simples: positivo, neutro ou negativo.
Relatório de IA Generativa no Search Console
O Google lançou em 3 de junho de 2026 os relatórios de IA generativa no Search Console. Primeiro para parte dos sites e, desde 31 de agosto de 2026, para todos os sites do mundo, segundo o próprio anúncio.
O Que o Relatório Mostra
Segundo a Ajuda do Search Console, o relatório traz impressões do site nas Visões gerais criadas por IA e no Modo IA. Impressão é cada vez que um link do site aparece para alguém num desses recursos. O Discover tem relatório próprio.
Os dados podem ser agrupados por página, país, data e dispositivo, e exportados. Isso permite ver quais URLs aparecem mais nos recursos de IA e se uma página reescrita ganhou impressões nas semanas seguintes, com a mesma lógica do relatório de desempenho.
O uso mais prático é cruzar o relatório com a lista de perguntas. Se as páginas que respondem às dúvidas de comparação ganham impressões nos recursos de IA, o conteúdo está sendo lido pelo Google, mesmo sem dados de outros assistentes.
O Que o Relatório Não Mostra
A Ajuda descreve impressões e dimensões, mas não lista as consultas que geraram cada aparição. O relatório também não cobre experimentos do Search Labs e mantém o limite de 1.000 linhas da tabela, como o relatório de desempenho comum.
Há ainda um pré-requisito: o relatório pode não aparecer se o site tiver poucas impressões ou estiver excluído dos recursos de IA generativa no Search Console. E ele mede só o Google: não diz nada sobre o que o ChatGPT ou o Claude respondem.
Desempenho em IA no Bing Webmaster Tools
O Bing Webmaster Tools mostra quantas vezes as páginas do site aparecem como fonte em respostas de IA. O recurso está em prévia pública e cobre o Copilot, os resumos de IA do Bing e algumas integrações de parceiros.
Citações, Páginas Citadas e Consultas de Embasamento
No anúncio de 10 de fevereiro de 2026, o Bing descreve cinco dados: total de citações, média de páginas citadas por dia, consultas de embasamento (grounding queries), citações por página e tendência no tempo. As consultas são uma amostra.
O Bing avisa que as métricas de citação não indicam ranking, autoridade nem o papel da página dentro de uma resposta. O próprio texto recomenda títulos claros, tabelas, seções de perguntas e dados com fonte, para que a IA use o conteúdo com precisão.
Intenções, Tópicos, Fatia de Citações e Comparação
Em 16 de junho de 2026, o Bing acrescentou quatro recursos em prévia: intenções, que classificam as consultas; tópicos, que agrupam temas; fatia de citações, que mede a parte do site entre todas as citações de uma consulta; e comparação entre períodos.
O texto do Bing faz uma ressalva importante: a fatia de citações é uma métrica de observação, não um placar. Ela não mostra domínios concorrentes, não representa fatia de tráfego e não dá nota de qualidade ao conteúdo.
Para medir concorrentes, a empresa ainda precisa das próprias perguntas. O relatório do Bing mostra o desempenho do site cadastrado, e a comparação com nomes específicos do mercado continua dependendo da amostra montada pela empresa.
Método Manual: Planilha e Rodada Semanal
Para pequenas empresas, uma planilha resolve boa parte do trabalho de medir visibilidade em IA. O método manual é lento, mas ensina a ler as respostas e mostra quais perguntas valem a pena antes de qualquer investimento em ferramenta.
Como Montar a Planilha
Uma planilha simples, com uma linha por pergunta e assistente, pode seguir estes passos:
- Listar as perguntas na coluna A, com a etapa do funil na coluna B.
- Criar colunas para data, assistente, marca citada, posição e concorrentes citados.
- Registrar os domínios das fontes e se a resposta trouxe algum fato errado.
- Calcular taxa de menção, fatia de voz e precisão em uma aba de resumo.
- Comparar semana a semana e anotar o que mudou no site.
Antes de começar, vale conferir como uma IA entende o próprio site. O teste gratuito do site mostra um resumo da empresa e como um agente responderia a perguntas de clientes usando só o texto da página informada.
Rotina Semanal em Vários Assistentes
A rodada deve acontecer no mesmo dia da semana, com as mesmas perguntas, em todos os assistentes acompanhados. Uma janela anônima, sem conta conectada, reduz o efeito da memória e das preferências pessoais nas respostas.
Quem compara as principais IAs logo nota respostas bem diferentes para a mesma pergunta. Por isso a planilha separa os resultados por assistente: somar tudo num número único esconde onde a marca está forte e onde nem aparece.
O limite do método manual é o tempo. Com 30 perguntas e três assistentes, cada rodada soma 90 respostas para ler e registrar, e o risco de anotar de forma diferente a cada semana cresce junto com a lista.
Monitoramento Automatizado de Visibilidade em IA
Quando a lista passa de algumas dezenas de perguntas, o trabalho manual fica pesado. A automação, comum em projetos de inteligência artificial para empresas, envia as perguntas pelas APIs, guarda as respostas e calcula as métricas, sempre com a mesma configuração em cada rodada.
O Que as APIs Devolvem para Medir
As APIs com busca na web devolvem mais do que texto. O Gemini com Google Search retorna as consultas feitas e citações ligadas a trechos da resposta; a OpenAI lista as fontes consultadas, muitas vezes mais numerosas que as citações exibidas.
Na API do Claude, a busca na web traz citações sempre ativas, com URL, título e o trecho citado. Esses campos permitem contar domínios citados sem copiar respostas à mão, e também conferir de onde veio um fato errado.
Raio-X Grátis e Módulo Semanal da ConverZAP
O raio-x de visibilidade em IA da ConverZAP faz cinco perguntas ao Gemini com busca na web, via API. O resultado mostra menções, fontes citadas e verificações técnicas, de conteúdo e de autoridade, com notas.
Para acompanhar toda semana, o módulo Visibilidade em IA envia até 50 perguntas ao ChatGPT, ao Gemini e ao Claude, só aos assistentes com chave cadastrada. O Gemini pode rodar com créditos ConverZAP; ChatGPT e Claude exigem chave própria.
O módulo calcula a fatia da marca contra até 15 concorrentes e audita o site. Ele faz parte das soluções de marketing e está nos planos da ConverZAP. O Google lembra que nenhuma ferramenta de terceiros acessa seus sistemas internos de ranqueamento ou de IA.
Como Agir sobre os Resultados
Medir sem agir só gera relatório. Os dados mostram dois caminhos práticos: estar presente nas fontes que a IA usa para responder e corrigir, na origem, os fatos que ela repete de forma errada.
Fontes de Terceiros Onde a Marca Precisa Estar
A lista de domínios citados indica onde vale estar bem descrito: guias do setor, portais locais, sites de avaliação e comunidades. O Google afirma que seus recursos de IA mostram o que se diz em blogs, vídeos e fóruns.
O mesmo guia avisa que buscar menções inautênticas não ajuda. O caminho é presença real: avaliações de clientes, que a pesquisa de satisfação ajuda a estimular, e conteúdo útil no próprio site, seguindo o guia de GEO do blog.
A prioridade vai para as fontes que se repetem. Um portal citado em várias perguntas e em mais de um assistente pesa mais do que um site que apareceu uma única vez, e merece um perfil completo e atualizado.
Fatos Errados: Onde Corrigir
Quando a IA erra preço, endereço ou serviços, a correção começa na fonte citada. A Central de Ajuda do Perfil da Empresa afirma que negócios com informações completas e precisas têm mais chances de aparecer na pesquisa local.
Por isso, o Perfil da Empresa entra cedo na lista de correções, que costuma seguir esta ordem:
- Site próprio: preços, serviços, região atendida e contatos na página certa.
- Perfil da Empresa: endereço, horário, categoria e respostas às avaliações.
- Portais de terceiros: pedido de atualização ao site que publicou o dado antigo.
No site, a página sobre a empresa e os dados estruturados Organization ajudam o Google a entender e desambiguar a organização. Depois de corrigir, a automação de marketing digital pode lembrar a equipe de revisar as respostas nas rodadas seguintes.
Limites da Medição e Próximos Passos
Toda medição de visibilidade em IA tem pontos cegos, por mais cuidadoso que seja o método. Conhecer esses limites evita conclusões apressadas e promessas que nenhuma empresa ou ferramenta consegue cumprir, como garantir citação nas respostas.
O Que Nenhuma Medição Consegue Garantir
Nenhuma amostra cobre todas as perguntas feitas aos assistentes, e a API não reproduz o histórico de cada usuário. Os relatórios oficiais medem só o próprio buscador. Melhorar o site aumenta as chances, mas não garante citação, como o Google deixa claro.
Os agentes de IA, que já fazem reservas e comparam produtos em nome das pessoas, segundo o Google, abrem uma frente que os relatórios descritos aqui não separam. As tendências de IA indicam que o método vai mudar, por isso o registro histórico vale tanto.
Há ainda o limite da atribuição. Mesmo com a marca recomendada, nem sempre dá para saber quantos clientes chegaram por causa de uma resposta de IA, porque muitos digitam o nome no buscador ou chamam direto no WhatsApp.
Medição Contínua como Rotina de Marketing
A medição funciona melhor como rotina da automação de marketing: mesma lista, mesmo dia e revisão mensal das ações. Assim, cada mudança no site ou nova menção pode ser comparada com as rodadas anteriores.
Quando a IA recomenda a empresa, o cliente costuma chamar logo, muitas vezes no WhatsApp. A ConverZAP une o monitoramento das respostas de IA ao atendimento pela API oficial do WhatsApp, com agentes de IA que respondem e registram a origem do contato.
Perguntas Frequentes
Dá para começar com uma planilha, 15 a 30 perguntas e uma rodada semanal nos assistentes, mais os relatórios gratuitos do Search Console e do Bing Webmaster Tools. O raio-x gratuito da ConverZAP faz um primeiro diagnóstico com cinco perguntas ao Gemini.
Uma rodada por semana costuma bastar para ver tendências sem acumular ruído. Medir todo dia tende a mostrar só a variação natural das respostas. O mais importante é manter o mesmo dia, as mesmas perguntas e os mesmos assistentes.
Não existe número oficial. Uma lista de 15 a 30 perguntas, distribuídas entre descoberta, comparação e decisão, já mostra padrões. Com o tempo, a lista pode crescer, desde que as perguntas antigas continuem iguais para permitir comparação.
Não. O relatório de IA generativa do Search Console mostra impressões do site nas Visões gerais criadas por IA e no Modo IA do Google. O que o ChatGPT responde só aparece em testes com as perguntas, manuais ou automatizados.
Nos aplicativos, a resposta pode considerar memória, localização e preferências de quem pergunta. Pela API, essas variáveis ficam de fora. Além disso, os modelos não são determinísticos, então até duas chamadas iguais podem trazer textos e fontes diferentes.
O primeiro passo é ver qual fonte a resposta citou e corrigir o dado lá: no site, no Perfil da Empresa no Google ou no portal de terceiros. Depois, as rodadas seguintes mostram se a resposta mudou.
